X/CT影像中病变区域检测方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题研究背景与意义 | 第8-9页 |
| ·乳腺癌与胃癌的影像学基础及影像学表现 | 第9-12页 |
| ·常规X线成像原理 | 第9-10页 |
| ·CT计算机断层扫描技术成像原理 | 第10-11页 |
| ·乳腺癌的影像学表现 | 第11页 |
| ·胃癌的影像学表现 | 第11-12页 |
| ·医学图像处理方法研究进展 | 第12-13页 |
| ·论文的主要工作和内容安排 | 第13-16页 |
| 第二章 乳腺癌变部位检测的个性化切分 | 第16-30页 |
| ·引言 | 第16-17页 |
| ·乳腺癌变部位检测的个性化切分方法 | 第17-19页 |
| ·四种个性化切分方法 | 第17-18页 |
| ·癌变部位检测系统 | 第18-19页 |
| ·医学影像的特征提取方法 | 第19-22页 |
| ·灰度共生矩阵 | 第19-21页 |
| ·Hu矩 | 第21-22页 |
| ·v-SVM分类器 | 第22-25页 |
| ·线性支持向量机 | 第22-23页 |
| ·非线性支持向量机 | 第23-24页 |
| ·v-SVM分类器 | 第24-25页 |
| ·实验结果及分析 | 第25-28页 |
| ·不平衡数据分类评价指标 | 第25-26页 |
| ·实验结果 | 第26-27页 |
| ·结果分析 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于视觉注意模型与信息熵的乳腺肿块检测 | 第30-44页 |
| ·引言 | 第30页 |
| ·视觉注意模型 | 第30-31页 |
| ·基于视觉注意模型与信息熵的乳腺肿块检测方法 | 第31-38页 |
| ·提取特征值 | 第32-33页 |
| ·基于信息熵生成显著图 | 第33-35页 |
| ·基于形态学特征滤除冗余信息 | 第35-36页 |
| ·SMOTE上采样方法 | 第36页 |
| ·假阳性肿块滤除 | 第36-38页 |
| ·实验结果及分析 | 第38-42页 |
| ·实验结果 | 第38-40页 |
| ·结果分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 基于字典学习的胃部CT图像感兴趣区域检测 | 第44-56页 |
| ·引言 | 第44-45页 |
| ·相关工作 | 第45-46页 |
| ·K-SVD算法 | 第46-47页 |
| ·基于字典学习的胃部CT图像感兴趣区域检测方法 | 第47-50页 |
| ·训练字典 | 第47-48页 |
| ·填充淋巴结生成感兴趣区域 | 第48-50页 |
| ·实验结果及分析 | 第50-54页 |
| ·实验数据与结果 | 第50-53页 |
| ·实验结果分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 作者研究生期间学术成果 | 第66页 |
